Bayern fördert Forschungsprojekt zu Process Mining
Mit Process Mining können Unternehmen viele Engpässe und Probleme in ihren digitalen Prozessen aufdecken und somit den Weg für Verbesserungen ebnen. Die Technologie hat derzeit aber noch Schwächen, vor allem in der Nachvollziehbarkeit von Ergebnissen und der Ursachenerkennung in komplexen Geschäftsprozessen. Gemeinsam mit der Universität Bamberg und der Technischen Hochschule Deggendorf wollen wir einen optimierten KI- und Machine-Learning-basierten Process-Mining-Ansatz erarbeiten. Mit der Förderzusage des Lands Bayern aus dem Förderprogramm „Informations- und Kommunikationstechnik“ ist jetzt der Startschuss für das Forschungsprojekt gefallen.
Process Mining – Warum lohnt sich der Einsatz?
In den letzten Jahren haben Process Mining Tools in immer mehr Unternehmen Einzug gehalten. Denn mit dem Fortschritt der digitalen Transformation steigt die Bedeutung optimaler digitaler Geschäftsprozesse und genau hier setzt Process Mining an.
Die Anwendungen lesen digitale Ereignisprotokolle (Event Logs) aus, die Systeme im Laufe von Geschäftsprozessen generieren. Anhand der Daten visualisieren sie die Prozesse und vereinfachen es Unternehmen so, Probleme und Produktivitätshürden zu erkennen. Die Tools zeigen zum Beispiel, welche Prozessschritte unnötig lange dauern oder welche Prozesse durch eine hohe Komplexität auffallen.
Ohne Frage, Process Mining Tools sind hilfreiche Werkzeuge, um die Effizienz und Effektivität der eigenen Prozesse zu optimieren. Statt sich auf Mutmaßungen und Intuition verlassen zu müssen, können Mitarbeiter mithilfe von Process Mining Prozessbremsen sehr viel schneller als früher erkennen und fundierte, datenbasierte Entscheidungen treffen. Allerdings gibt es Fälle, in denen die Technologie an ihre Grenzen gerät und aktuell noch keine zufriedenstellenden Antworten liefert.
Wertvoll, aber mit Begrenzungen
Process Mining Tools greifen für ihre Visualisierungen und Analysen ausschließlich auf Event Logs zu, was zu einem starken Informationsverlust führt. Denn die Ereignislogs sind im Wesentlichen nur auf Identifikationsnummer für den jeweiligen Vorgang, Namen des Ereignisses und Zeitstempel reduziert. Wissen von Anwendern und Kontextwissen im SAP-System bleibt unberücksichtigt. Wie macht sich das bemerkbar? Hier ein paar Beispiele aus der Praxis:
- Bei der Analyse eines Produktionsprozesses können Process Mining Tools nicht erfassen, was die Produktion ausgelöst hat - Ein Kundenauftrag? Ein Ereignis im Produktionsplan? – und welchem ERP-Modul das Ereignis zuzuordnen ist.
- Auf dem Markt befindliche Tools haben Probleme mit komplexeren Prozesshierarchien. Ist beispielsweise eine Bestellung Teil eines Produktionsprozesses, so lässt sich dies aktuell nicht transparent genug für den Nutzer darstellen.
- Löst ein Ereignis mehrere Folgeereignisse aus, stoßen Process Mining Tools an ihre Grenzen. Sie erkennen zum Beispiel nicht immer, wenn Bestellungen in verschiedenen Warensendungen ausgeliefert werden oder stellen parallele Lieferungen sequenziell dar.
- Manche Belege, vor allem in der Buchhaltung, werden vom ERP-System automatisch innerhalb von Sekundenbruchteilen generiert. Die Process Mining Tools erfassen diese minimale Zeitdifferenz nicht und gehen von einer Gleichzeitigkeit der Ereignisse aus.
Für Menschen reicht oft ein Blick, um Kausalitäten, Hierarchien und Chronologien richtig einzuschätzen. Der Technologie fehlt dafür – bisher – das Kontextwissen. Das Problem: Fehler in den Analyseergebnissen der Anwendungen sind nicht immer offensichtlich.
Was haben unsere Kunden davon?
Gemeinsam mit der Universität Bamberg und der TH Deggendorf haben wir daher ein Forschungsprojekt „KIGA (KIGA – KI-unterstützte Geschäftsprozess Analyse)“ ins Leben gerufen. Dank der finanziellen Unterstützung werden wir in den kommenden drei Jahren an einer Optimierung der Process-Mining-Algorithmen und der Transparenz ihrer Ergebnisse arbeiten.
Wir wollen das Hintergrundwissen aus ERP-Systemen und von Fachexperten mithilfe von Verfahren der erklärbaren künstlichen Intelligenz in Knowledge Graphen bündeln. Indem wir Process Mining Tools Zugriff auf dieses Wissen geben, sollen sie die Event Logs besser „einschätzen“ und Kontextwissen in ihrer Analyse berücksichtigen können. Gleichzeitig werden interaktive Dashboards die Ergebnisse für den Anwender transparenter und leichter verständlich machen.
Wir freuen uns, uns dieser Herausforderungen mit zwei starken Partnern aus der Wissenschaft zu stellen. Unser Ziel ist es, konkrete praxistaugliche Ergebnisse zu erzielen, von denen am Ende unsere Kunden profitieren. Ob wir diesen Anspruch erfüllen können? Wir werden Sie in unserem Blog über unsere kleinen und größeren Meilensteine auf dem Laufenden halten.
Wenn Sie unsere Forschung unterstützen und zu den ersten Unternehmen gehören möchten, die die neue Technologie in der Praxis testen, melden Sie sich bei uns. Wir freuen uns, wenn Sie unser Forschungspanel als Partnerunternehmen verstärken.